[ADsP] 과목3. 데이터 분석 기획

Index

• 1. 데이터 분석 기획의 이해
  • 1.1 분석 기획
    • 분석 기획의 구성
    • 분석 주제 유형
    • 목표시점별 분석기획 방안
    • 분석가의 수행역량
    • 분석 기획 고려사항
  • 1.2 분석 방법론
    • 데이터 분석/활용과 기업경쟁력
    • 데이터 분석 방법론의 필요성
    • 데이터 분석 방법론의 구성
    • 방법론 생성과정
    • 방법론의 대표모델
    • 계층 프로세스 모델 (Stepwised Process Model)
    • KDD 분석 방법론 (Knowledge Discovery in DB)
    • CRISP-DM 분석 방법론
      (Cross Industry Standard Process for Data Mining)
    • 빅데이터 분석 방법론
  • 1.3 분석 과제 발굴
    • 분석과제 도출방식
    • 디자인 사고 프로세스 (IDEO)
    • 하향식 접근법 (분석과제 도출)
    • 상향식 접근법 (분석과제 도출)
      • 프로토타이핑 프로세스
    • 분석 과제 정의
  • 1.4 분석 프로젝트 관리 방안
    • 분석과제 주요 특성 관리영역 (5 Analytic Dimension)
    • 분석 프로젝트의 특성
    • 분석 프로젝트 주요 관리항목 10가지
• 2장 분석 마스터 플랜
  • 2.1 분석 마스터 플랜 수립
    • 분석 마스터 플랜 수립 프레임워크
    • ISP (Info Strategy Planning) 활용
    • 분석 과제 도출 & 우선순위 평가
    • 빅데이터 4V의 ROI 요소
    • 분석과제 우선순위 평가기준
    • 분석과제 우선순위 선정 매트릭스
    • 이행계획 수립
  • 2.2 분석 거버넌스 체계 수립
    • 거버넌스 체계 구성
    • 분석 준비도 (Readiness)
    • 분석 성숙도 (Maturity)
    • 분석수준 진단 결과
    • 분석 지원 인프라 방안 수립
    • 데이터 거버넌스 체계 수립
    • 데이터 거버넌스 구성요소
    • 데이터 조직 & 인력방안 수립
    • 분석조직 개요
    • 분석조직 구조
    • 분석 조직 예시
    • 분석과제 관리 프로세스 수립
    • 분석교육 & 변화 관리
    • 분석 교육

1. 데이터 분석 기획의 이해

• 데이터분석 기획 이해
• 데이터분석 수행 방법론 이해
• 데이터분석 수행 방법론 활용한 분석과제 도출
• 데이터분석 마스터플랜 이해

1.1 분석 기획

• Value = Analyst + Analytics Model + Data
• 분석과제 정의 및 관리방안 계획하는 중요한 사전작업
• Why(목표) - What(데이터) - How(수행방식) 계획하는 작업
• 목표
  • 단기목표: 분석과제 도출
  • 중장기목표: 마스터플랜 수행/수립

분석 기획의 구성

• 분야 전문 지식 (Domain Knowledge)
• 분석 역량: 수학/통계 지식
• 분석 도구: 데이터/IT기술

=> 도구/기술에 치우치지 않는 균형적인 역량/시각 필요

분석 주제 유형

분석방법	분석대상	분석주제유형
known	known	최적화
known	unknown	(대상) 통찰
unknown	known	솔루션 (=방법탐색)
unknown	unknown	발견 Discovery

ex) “최적화” 분석주제로 문제접근
-> 새로운 유형주제를 “발견”하거나 새로운 “솔루션” 도출

목표시점별 분석기획 방안

• 과제중심적 접근
  • 단기적 Quick-Win 과제 해결
  • 1차목적: Speed & Test
  • 최종목적: 분석의 가치 증명 및 공감대 형성
• 마스터플랜
  • 장기적 분석과제 도출/정의
  • 1차목적: Accuracy & Deploy
  • 최종목적: 지속적 분석 문화 내재화 (가장 바람직)

분석가의 수행역량

• 전문성/분석기술/IT기술
• 프로젝트 관리역량
• 의사소통/리더십 역량

분석 기획 고려사항

1) 가용 데이터 (Available Data)

• 데이터의 존재 유무

• 데이터 유형 파악

  데이터유형	예시
  정형 Structured	ex) DB, ERP/CRM 이력
  반정형 Semi-	ex) 머신/센서 데이터, 로그, 위치, 설문, 날씨
  비정형 Un-	ex) IoT, GPS, ITS, 이메일, SNS, 통화녹취

2) 적절한 유스케이스 (Bus. Use Case)

• 가치 창출되는 적절한 활용방안
• 활용가능한 유스케이스
  ex) 유사 시나리오/솔루션 => 고객의 공감 증대

3) 분석과제 수행 장애요소 (Barrier of Execution)

장애요소	내용
비용 Cost	정확도 높여 시간/자원 절감
간결함 Simplicity	결과 간결해야 이해 쉬움
성능 Perfomance	실제 환경에서 성능 다를 수도
문화 Culture	조직 역량으로 내재화하려면 교육/관리 필요

1.2 분석 방법론

데이터 분석/활용과 기업경쟁력

• 고정관념/편향/프레이밍 효과(framing effect)
  => 비합리적 의사결정
• 분석 방법론 -> 분석 정착 -> 기업문화 변화, 업무 프로세스 개선
  => 데이터 기반 의사결정

데이터 분석 방법론의 필요성

• 체계화된 절차/방법 정리
  => 데이터분석 효과적으로 정착
• 일정한 산출물 품질 + 프로젝트 성공 가능성 확보/제시 가능
  => 개인역량/우연한 성공의 한계 극복 가능

데이터 분석 방법론의 구성

• 절차 (Procedure)
• 방법 (Methods)
• 도구 & 기법 (Tools & Techniques)
• 템플릿 & 산출물 (Templates Outputs)
  => 어느 정도 지식만 있으면 활용 가능

방법론 생성과정

1) 형식화 (암묵지 -> 형식지) 2) 체계화 (형식지 -> 방법론) 3) 내재화 (방법론 -> 암묵지)

=> 위 과정 반복

방법론의 대표모델

: 분석과제/조직 역량에 따라 적절한 모델 선택

• 폭포수 모델 (Waterfall Model)
  • 하나씩 완료하는 순차적 진행
  • 하향식(Topdown) + 피드백
• 나선형 모델 (Spiral Model)
  • 반복하며 점증적 개발
  • 처음 시도하는 프로젝트 진행에 용이
  • 반복관리 체계 없으면 복잡도 늘어나 진행 어려움
• 프로토타입 모델
  • 빠르게 결과 제작 후, 결과 토대로 수행 반복

계층 프로세스 모델 (Stepwised Process Model)

: 일반적인 방법론 구성 모델

• 단계(Phase)
  • 기준선(baseline) 설정해 관리
  • 프로세스 그룹 통해 산출물 생성
  • 버전관리(config mng) 등으로 통제
• 태스크(Task)
  • 단계의 물리/논리적 구성단위
  • 품질검토 항목으로 이용 가능
• 스텝(Step)
  • 단위 프로세스(Unit Process) = 입력자료 + 처리/도구 + 출력자료
  • WBS(Work Breakdown Struct)의 Work Pkg

KDD 분석 방법론 (Knowledge Discovery in DB)

단계	산출물	내용
데이터셋 선택 Selection	목표 데이터 Target Data	도메인 이해, 목표설정 => 필요시 반복
데이터 전처리 Preprocessing	정제 데이터	잡음/이상치/결측치 제거 (Noise/Outlier/Missing Value)
데이터 변환 Transformation	분석용 데이터셋	변수선택, 데이터차원 축소
데이터 마이닝 Data Mining	패턴 Patterns	데이터분류/예측, 패턴 탐색 => 필요시 전처리/변환 병행
마이닝 결과 평가 Interpret Evaluation	지식 Knowledge	결과 해석, 목적 일치성 평가

CRISP-DM 분석 방법론
(Cross Industry Standard Process for Data Mining)

• EU에서 발표한 4레벨/6단계의 분석 방법론
• 단계간 피드백 지향 (폭포수 모델X) => 단계별 완성도 상승
• 4레벨
  • 단계 (Phase)
  • 일반 태스크 (Generic Task)
  • 세분화 태스크 (Specialized Task)
  • 프로세스 실행 (Process Instances)
• 6단계
  • 업무이해
    • 업무목적/상황 파악
    • 목표/계획 수립
  • 데이터 이해
    • 데이터 수집/탐색/품질 확인
  • 데이터 준비
    • 데이터셋 선택/정제/편성
    • 데이터 통합/포맷팅
  • 모델링
    • 모델링 기법/알고리즘 선택
    • 모델 작성/평가
  • 평가 (Evaluation)
    • 분석결과 평가
    • 모델링과정/모델적용성 평가
  • 전개 (Deployment)
    • 평가 통과 모델 => 적용/유지보수 계획수립
    • 종료보고서 작성 & 리뷰

빅데이터 분석 방법론

1) 분석 계획 단계

태스크	스텝	산출물
비즈니스 이해 & 범위 설정	비즈니스 이해 프로젝트 범위 설정	- 비즈니스 이해 + 도메인문제점 - SO(프로젝트 범위 정의서)
프로젝트 정의 & 계획 수립	데이터분석 프로젝트 정의 프로젝트 수행계획 수립	- 프로젝트 정의서 - 모델운영 이미지/평가기준 - 프로젝트 수행계획서 + WBS
프로젝트 위험계획 수립	데이터분석 위험 식별 위험 대응계획 수립	- 식별된 위험 목록 - 위험관리계획서

** SOW(Statement of Work)

범위 명확히 하고, 모든 참여 관계자 이해 일치시키기 위해 작성

** WBS (Work Breakdown Structure)

산출물 위주로 작성해 범위 명확화

** 위험대응 4구분

회피, 전이(Transfer), 완화(Mitigate), 수용

2) 데이터 준비 단계

태스크	스텝	산출물
필요 데이터 정의	데이터 정의 데이터 획득 방안 수립	- 데이터 정의서 - 데이터 획득 계획서
데이터 스토어 설계	비/정형 데이터 스토어 설계	- 비/정형 데이터스토어 설계서 - 데이터 매핑 정의서
데이터 수집 & 정합성 점검	데이터 수집 & 저장 데이터 정합성 점검	- 수집된 분석용 데이터 - 데이터 정합성 점검 보고서

3) 데이터 분석 단계

태스크	스텝	산출물
분석용 데이터 준비	비즈니스 룰 확인 분석용 데이터셋 준비	- 비즈니스 룰 + 필요 데이터 범위 - 분석용데이터셋
텍스트 분석	텍스트 데이터 확인 & 추출 텍스트 데이터 분석	- 분석용 테스트 데이터 - 텍스트 분석 보고서
탐색적 분석	탐색적 데이터 분석 (EDA) 데이터 시각화	- 데이터 탐색 보고서 - 데이터시각화 보고서
모델링	데이터 분할 데이터 모델링 모델 적용 & 운영방안	- 훈련/테스트용 데이터 - 모델링 결과보고서 알고리즘 설명서 + 모니터링 방안
모델 평가 & 검증	모델 평가 모델 검증	- 모델 평가 보고서 - 모델 검증 보고서

** EDA (Exploratory Data Analysis)

시각화 활용해 데이터 가독성 증대, 데이터 형상/분포 등 파악

** 데이터 시각화 활용

향후에 모델링/시스템 구현 위한 사용자 인터페이스나 프로토타입으로 활용 가능

4) 시스템 구현 단계

태스크	스텝	산출물
설계 & 구현	시스템 분석 & 설계 시스템 구현	- 시스템 분석 및 설계서 - 구현 시스템
시스템 테스트 & 운영	시스템 테스트 시스템 운영 계획	- 시스템 테스트 결과보고서 - 운영자/사용자 매뉴얼 - 시스템 운영계획서

** 시스템 구현 방식
신규 시스템 => BI 패키지 활용해 구축
가동 중 시스템 => 커스터마이징 등으로 모델 구현

** 시스템 테스트

단위/통합/시스템 테스트 등 실시 => 객관성/완전성 확보

5) 평가 및 전개 단계

태스크	스텝	산출물
모델 발전계획 수립	모델 발전 계획	모델발전 계획서
프로젝트 평가 & 보고	프로젝트 성과평가 프로젝트 종료	- 프로젝트 성과평가서 - 프로젝트 최종보고서 => 지식자산화

** 모델 발전계획

모델 생명주기 설정해 주기적 평가/개선 => 모델의 계속성 확보

1.3 분석 과제 발굴

분석과제 도출방식

분석대상	과제도출방식	상세
known	하향식 접근 Top-Down	주어진 문제 답 탐색 Problem Solving
unknown	상향식 접근 Bottom-Up	데이터로 인사이트 도출 + 시행착오 Problem Creation

** 빠르게 변하는 기업환경 => 문제 자체가 변화 => 상향식 접근 방식이 유용

디자인 사고 프로세스 (IDEO)

: [발산-> 수렴 -> 발산 -> 수렴] 반복
=> 상호 보완되어 동적인 환경에서 분석가치 증가 => 최적의 의사결정

• 발산(Diverge) 단계

  가능한 옵션 도출하는 상향식 접근

• 수렴(Coverge) 단계

  도출된 옵션 분석 & 검증하는 하향식 접근

하향식 접근법 (분석과제 도출)

: 문제탐색 -> 문제정의 -> 해결방안 도출 -> 타당성 평가 -> 분석과제 도출

1) 문제탐색 단계

• 비즈니스 모델 기반 문제 탐색

  영역	주제	예시
  업무	내부 운영 프로세스 주요 자원 관련	ex) 공정 최적화, 재고 최소화
  제품	제품/서비스 개선 관련	ex) 제품기능개선 모니터링 지표 도출
  고객	사용자/고객/채널 관련	ex) 고객 대기시간 최소화 점포위치 최적화
  규제 & 감사	제품생산/전달 시의 발생 규제/보안 관련	ex) 품질이상 징후 관리 새로운 규제 해당 제품 추출
  지원 인프라 (IT/HR)	분석 시스템 운영/관리 인력 관련	ex) EDW 최적화 적정 운영인력 도출
  혁신	거시적 관점, 경쟁자 시장니즈, 역량 재해석

  혁신 관점 분석기회

  1) 거시적 메가트렌드

  영역	분석기회 & 주제	예시
  사회	사회/문화/트렌드 기반	ex) 노령화, 저출산 밀레니얼 세대
  기술	최신기술 등장/변화 따른 필요 역량/제품	ex) 나노/융합/로봇기술 기존 제품 스마트화
  경제	산업/금융/경제구조 변화	ex) 원자재 가격 환율/금리에 따른 구매전략
  환경	정부/단체/시민사회의 환경 관련 관심/규제 동향	ex) 탄소배출규제/거래시장
  정치	정책/정세/지정학적 동향	ex) 대북관계 변화로 자재 구매선 다변화

  2) 경쟁자 동향

  영역	분석기회 & 주제	예시
  대체재	융합적 경쟁환경의 제품/서비스 대체재 동향	ex) 온라인 확장 시 영향/위협 탐색
  경쟁자	주요 경쟁자 동향	ex) 카탈로그/전략 분석
  신규진입자	향후 파괴적 역할 가능한 신규진입자 동향	ex) 크라우드 소싱 제품 (킥스타터, 텀블벅)

  3) 시장니즈 탐색

  영역	분석기회 & 주제	예시
  고객	구매 동향/컨텍스트 분석 =>제품/서비스 개선	ex) 구매기업/산업 동향 거래선 경영 현황
  채널	자체 채널 최종고객 전달 경로의 채널	ex)온라인 채널 대응전략
  영향자들 Influencer	주주/협회 등 이해관계자의 주요 관심사항	ex) 기업인수 기회

  4) 역량 재해석/변화

  영역	분석기회 & 주제	예시
  내부역량 Competency	지적재산권/기술력 노하우(지식/기술/스킬) 인프라적 유형자산	ex) 소유 부동산활용
  파트너 & 네트워크	관계사/공급사 역량활용	ex) 수출입/통관 노하우

• 외부 참조 모델 기반 문제 탐색

  산업/서비스별 분석주제 풀(pool)로 유사/동종사례 벤치마킹
  => 평상시 지속적 사례 조사 & 정리

  • 퀵& 이지 방식으로 분석기회 아이디어 도출
  • 브레이스토밍 워크숍으로 분석테마 빠르게 도출

• 분석 유즈 케이스 정의

  데이터 분석 문제로의 전환 & 적합성 평가에 활용

  • 풀어야 할 문제에 대한 상세설명
  • 문제 해결 시 발생 효과 명시

  ex) 구매최적화: 유형별 실적 비교/분석해 구매방안 도출 => 구매비용 절감효과

2) 문제 정의 단계

• 식별된 비즈니스 문제를 데이터 문제로 변환 & 정의
• 필요 데이터 & 기법 정의 (How)의 문제
• 분석 수행 당사자 + 최종사용자(End User) 관점에서 정의

3) 해결방안 탐색 단계

정의된 데이터분석 문제에 따라 해결방안 다각도로 고려

	분석역량 확보	분석역량 미확보
기존 기법 & 시스템	기존시스템 개선활용	교육/채용으로 역량확보
신규 기법 & 시스템	시스템 고도화	전무업체 아웃소싱

4) 타당성 검토 단계 (Feasibility Study)

다각적 타당성 분석 (분석문제/가설의 대안 과제화) => 가장 우월한 도출 대안 선택

• 경제적 타당성
  • 비용 대비 편익 분석
• 데이터 & 기술적 타당성
  • 데이터 존재여부
  • 분석 시스템 환경
  • 분석 역량 (특히 중요 => 확보방안 사전 수립)

상향식 접근법 (분석과제 도출)

: 경험적인 과거 데이터 무작정 결합하여 정보/지식을 상향적으로 얻는 방식
=> 상관관계 분석해 문제 도출/재정의

• 디자인 사고 접근법

  • Empathize

    현장/데이터 관찰 + 감정이입 => 대상 관점으로 전환
    (why -> what : 답 내지 말고 있는 그대로 인식)

  • Define
  • Ideate
  • Prototype
  • Test

• 비지도 학습 수행 (Unsupervised Learning)

  데이터 자체만으로 결합/연관성/유사성 도출 => 해석 어렵지만 새로운 인사이트
  ex) 장바구니 분석, 군집분석, 기술통계

  <-> 분류, 예측, 추측, 최적화 (지도학습)

• 시행착오 통한 문제 해결

  빠르게 결과 내고, 결과 토대로 반복 수행 (동적인 환경에 유용)

  • 문제/요구 이해 & 구체화
  • 필요 데이터 협의 & 확인
  • 데이터 사용목적 가변성 활용 (사용목적/범위 확대)

** 인과관계(know-why) <-> 상관관계(know-affinity)

프로토타이핑 프로세스

• 가설의 생성
• 디자인에 대한 실험
• 실제 환경에서의 테스트
• 테스트 결과로 통찰 도출 & 가설확인

분석 과제 정의

: 도출한 분석과제 상세하게 정의

• 분석 방법
• 필요 소스 데이터
  ex) 내/외부 비정형 데이터, 소설/오픈 데이터 등
• 데이터 입수/분석 난이도
• 분석수행 주기 & 상세과정
• 분석결과 검증 오너십 (owner)

1.4 분석 프로젝트 관리 방안

분석과제 주요 특성 관리영역 (5 Analytic Dimension)

1) 데이터 사이즈
: 분석 데이터량 고려한 관리 방안 2) 데이터 복잡성
: 실제 시스템의 산재된 데이터 확보/통합 등 고려 3) 속도
: 시나리오 측면에서 고려
> ex) 일/주단위 실적 (배치), 사기탐지/개인화 (실시간) 4) 모델 복잡도
: 복잡할 수록 해석 난이도/정확도 증가 (trade off 관계) 5) 모델 정확도

• Accuracy: 모델과 실제 값 사이의 오차 정도 => 분석의 활용성
• Percision: 모델 반복 시 편차 일관성 => 분석의 안정성

분석 프로젝트의 특성

• 데이터 영역과 비즈니스 영역 조율 필요
  => 조정자로서 관리방안 & 관리 포인트 숙지해 협업 도모

• 프로토타이핑 방식의 어자일(Agile) 프로젝트 관리 고려
  => 지속적 반복/개선/변경 염두한 관리방안 수립

  <-> 폭포수 방식 (waterfall)과 반대방식

분석 프로젝트 주요 관리항목 10가지

1) 범위

• 투입 자원 / 데이터 범위

2) 시간

• 모델도출까지 시간 대량 소모가능
  => 타임박싱 기법 일정관리 (전제: 결과품질 보장)

3) 원가

• 외부데이터 / 툴 사용료

4) 품질

• 품질목표 사전수립
• QC / QA 나누어 수행
  • QC: 품질통제 (Quality Control)
  • QA: 품질보증 (Quality Assurance)

5) 통합

• 통합적으로 프로세스 운영/관리

6) 조달 (Procurement)

• 외부 소싱
• 클라우드 등 (PoC 프로젝트 경우)

7) 자원

• 인력/전문가 선확보 (보통 공급부족)

8) 리스크

• 데이터 미확보 위험 식별 & 대응방안
• 데이터/알고리즘 한계 의한 품질문제 대응방안

9) 의사소통

• 모든 이해관계자가 분석결과 공유 가능해야
• 다양한 소통체계 마련

10) 이해관계자 - 다양한 전문가 참여
=> 이해관계자 식별/관리 필요

** PoC (Proof of Concept)

신기술/제품 도입 전 효과/타당성 검증 프로젝트

** Time Boxing 기법

작업 나누고 시간추정 후 작업이 반드시 한 iteration에 담기도록 배치
=> 반복형(iteration) 개발방식 프로젝트에 주로 사용

2장 분석 마스터 플랜

• 데이터분석 마스터플랜 수립 이해
• 데이터분석 거버넌스 체계 이해

2.1 분석 마스터 플랜 수립

분석 마스터 플랜 수립 프레임워크

• 적용 우선순위 설정
  • 전략적 중요도 고려
  • 비즈니스 성과/ROI 고려
  • 실행 용이성 고려
• 데이터 분석 실행 로드맵 수립
  • 업무내재화/적용수준 고려
  • 분석데이터 적용수준 고려
  • 기술 적용수준 고려

ISP (Info Strategy Planning) 활용

: 기업/공공기관의 중장기 로드맵(마스터플랜) 정의방식

• 내/외부 환경 분석 -> 기회/문제점 도출
• 사용자 요구사항 분석 -> 시스템 구축 우선순위 결정

=> 분석과제 도출 후 과제 우선순위 결정 + 중장기 계획 수립

분석 과제 도출 & 우선순위 평가

• 과제 우선순위 평가기준 수립
• 분석과제 우선순위 평가
• 과제 수행 선후관계 분석
• 분석과제 우선순위 정련

빅데이터 4V의 ROI 요소

• Investment 투자비용 요소
  • Volume
    : 데이터 규모/양
  • Variety
    : 데이터 종류/유형
  • Velocity
    : 데이터 생성/처리 속도
• Return 비즈니스 효과
  • Value
    : 분석결과 활용/실행 통한 비즈니스 가치

분석과제 우선순위 평가기준

• 난이도
  • 데이터 획득/저장/가공 비용
  • 분석 적용 비용
  • 분석 수준 (난이도)
• 시급성
  • 전략적 중요도
  • 목표가치 (KPI)

분석과제 우선순위 선정 매트릭스

난이도	시급성	사분면	중요도	시행시점
어려움	현재	1	전략적 중요 & 시급	바로 적용 어려움
어려움	미래	2	현재는 중요도 낮지만 중장기적으로 추진 필요	바로 적용 어려움
쉬움	현재	3	현재 시점에 중요도 높음	우선적으로 바로 적용
쉬움	미래	4	전략적 중요도 낮음	바로 적용 가능하나 중장기적 추진이 바람직

=> 경영진/실무담당의 의사결정이나 기술요소에 따라 난이도/시급성 조정 가능

** 시급성 우선: 3 -> 4-> 2
** 난이도 우선: 3 -> 1 -> 2

이행계획 수립

1) 로드맵 수립

최종 실행 우선순위 결정 후 단계적 구현 로드맵 수립

• 단계별 추진 목표 정의
• 단계별 추진 내용 정렬 (과제별 선/후행 관계 고려)

2) 세부 이행계획 수립

• 반복적 정련과정

  프로젝트 완성도 높이는 방식 주로 사용

• 혼합형

  데이터 수집/준비 (순차적) + 모델링 (반복)

2.2 분석 거버넌스 체계 수립

거버넌스 체계 구성

• 분석기획 & 관리 조직 (Organization)
• 과제기획 & 운영 프로세스(Process)
• 시스템
• 데이터
• 교육 & 육성 체계 (HR)

분석 준비도 (Readiness)

: 데이터분석 도입 수준 진단방법

• 일정 수준 이상 충족 => 분석업무 도입
• 충족 실패 => 분석환경 조성

1) 분석 업무 파악

• 발생한 사실 분석 업무
• 예측 분석 업무
• 시뮬레이션 분석 업무
• 최적화 분서업무
• 분석 업무 정기적 개선

2) 인력 & 조직

• 분석전문가 직무 존재
• 분석전문가 교육훈련 프로그램
• 분석업무 전사총괄 조직 존재
• 관리자들의 기본 분석력
• 경영진 분석업무 이해력

3) 분석 기법

• 업무별 적합 분석기법 사용
• 분석업무 도입 방법론
• 분석기법 라이브러리
• 분석기법 효과성 평가
• 분석기법 정기적 개선

4) 분석 데이터

• 분석업무용 데이터 충분성
• 분석업무용 데이터 신뢰성
• 분석업무용 데이터 적시성
• 비구조적 데이터 관리
• 외부 데이터 활용체계
• 기준 데이터 관리 (MDM)

5) 분석 문화

• 사실에 근거한 의사결정
• 관리자의 데이터 중시
• 회의 등에 데이터 활용
• 경영진 직관보다 데이터 중시
• 데이터 공유 & 협업 문화

6) IT 인프라

• 운영시스템 데이터 통합
• 데이터 유통체계 (EAI, ETL)
• 분석 전용 서버 & 저장소
• 빅데이터 분석환경
• 통계 분석환경
• 비쥬얼 분석환경

** MDM: Master Data Management

분석 성숙도 (Maturity)

: 분석능력 & 결과활용에 대한 조직성숙도 평가모델 (CMMI 모델 기반)

성숙단계	상세
도입단계	분석 시작해 환경/시스템 구축
활용단계	분석결과를 실제 업무에 적용
확산단계	전사차원에서 분석 관리 & 공유
최적화단계	분석 진화시켜 혁신 & 성과 향상에 기여

** CMMI: Capability Maturity Model Integration 업무 프로세스 성숙도 모델

1) 비즈니스 부문

단계	예시
도입	실적분석 & 통계, 정기보고, 운영 데이터 기반
활용	미래결과 예측, 시뮬레이션, 운영 데이터 기반
확산	전사 성과 실시간 분석, 프로세스 혁신 3.0, 분석규칙/이벤트 관리
최적화	외부 환경분석, 업무 최적화, 실시간 분석, 비즈니스 모델 진화

2) 조직/역량 부문

단계	예시
도입	일부 부서에서 수행, 담당자 역량에 의존
활용	전문 부서에서 담당, 분석기법 도입, 관리자가 분석 수행
확산	전사 모든 부서에서 수행, 분석 COE 조직 운영, 데이터 과학자 확보
최적화	데이터 사이언스 그룹, 경영진 분석활용, 전략연계

3) IT 부문

단계	예시
도입	데이터 웨어하우스/마트, ETL/EAI, OLAP
활용	실시간 대시보드, 통계 분석환경
확산	빅데이터 관리환경, 시뮬레이션/최적화, 비주얼 분석, 분석전용 서버
최적화	분석 협업환경, 분석 샌드박스, 프로세스 내재화, 빅데이터 분석

분석수준 진단 결과

유형	준비도	성숙도	상태	개선방안
준비형	낮음	낮음	데이터/조직/기법 등 적용 안 됨	사전준비필요
정착형	낮음	높음	낮은 준비도 분석인력/기법 등 제한적으로 사용	분석 정착 필요
도입형	높음	낮음	분석업무/기법 부족 조직/인력 등 준비도 높음	분석 바로 도입
확산형	높음	높음	분석구성요소 모두 갖춤 분석 부분적으로 도입	지속적 확산

=> 유관업종/경쟁사 분석수준과 비교해 분석경쟁력 확보/강화 목표 설정

분석 지원 인프라 방안 수립

• 분석과제단위 개별시스템
  • 시스템간 자체적 데이터 교환
  • 시스템별 데이터 관리
  • 확장 시 시스템 간 인터페이스 폭증 => 관리 복잡도 + 비용 증대
• 플랫폼 구조
  • 분석플랫폼 활용 공동기능 활용
  • 중앙집중적 데이터 관리
  • 시스템간 인터페이스 최소화

데이터 거버넌스 체계 수립

• 전사차원의 모든 데이터에 대해 정책/지침 표준화
• 운영조직 & 책임 등의 표준화된 관리체계 수립
• 운영위한 프레임워크 & 저장소(Repository) 구축
• 마스터 데이터/메타 데이터/데이터 사전 구축

=> 데이터 가용성/유용성/통합성/보안성/안전성 확보 가능
=> 빅데이터 프로젝트 성공 기반

데이터 거버넌스 구성요소

• 원칙
  • 데이터 유지/관리 지침 & 가이드
  • 보안, 품질기준, 변경 관리
• 조직
  • 데이터 관리 조직의 역할 & 책임
  • 데이터 관리자, DB 관리자, 데이터 아키텍트
• 프로세스
  • 데이터 관리 활동/체계
  • 작업절차
  • 모니터링/측정 활동

1) 데이터 표준화

• 데이터 표준 용어 설정 (표준단어사전/도메인 사전/코드 등)
  => 사전간 상호검증 가능해야
• 명명규칙 수립
  : 필요시 언어별 작성해 매핑상태 유지
• 메타데이터 구축
  => 메타 엔티티 관계 다이어그램
• 데이터 사전 구축
  => 데이터 구조 체계

2) 데이터 관리체계

• 표준 데이터/메타데이터/ 데이터사전 관리 원칙 수립
  ex) 담당자, 조직별 역할/책임 등
• 데이터 생명주기 관리 방안 수립
  => 데이터 가용성/관리비용 문제 방지

3) 데이터 저장소 관리

• 메타데이터&표준 데이터 관리 저장소 구성 (전사차원)
• 워트플로우 & 관리 소프트웨어 지원 필요
• 데이터구조 변경에 따른 사전 영향평가 필요

4) 표준화 활동

• 표준 준수 여부 주기적 점검/모니터링
• 지속적 데이터 표준화 개선 활동

데이터 조직 & 인력방안 수립

: 데이터의 효과적 분석/활용 위해 전문 분석조직(기획/운영/관리 전담) 필요

분석조직 개요

• 목표
  • 비즈니스 질문/가치 찾고 비즈니스 최적화
  • 기업경쟁력 확보
• 역할
  • 전사/부서의 분석업무 발굴
  • 전문기법/분석도구로 빅데이터 인사이트 탐색/전파/활용
• 구성
  • 기초통계학/분석방법에 대한 지식 + 분석경험 있는 인력
  • 전사나 부서 내 조직으로 구성해 운영

분석조직 구조

1) 집중형 조직구조 - 독립적 분석 전담조직 - 모든 분석업무를 전담조직이 담당 - 분석과제 우선순위 선정해 추진 (전략적 중요도 고려)
=> 업무 이중화/이원화 가능성 2) 기능 중심 조직 구조 - 각 업무부서에서 직접 분석 - 전사적 관점의 핵심 분석 어려움
=> 특정 업무 국한된 분석
=> 일부 분석업무 중복 가능성 3) 분산된 조직구조 - 분석 조직 인력을 현업부서에 배치 - 전사 차원의 분석 우선순위 선정 가능 - 분석결과 신속하게 실무 적용 가능 - 베스트 프랙티스 공유가능
=> 부서 분석업무와 역할분담 명확히 해야

분석 조직 예시

• 비즈니스 인력
• IT 기술인력
  => 기술 동향 파악 & 기술 아키텍처 수립
• 분석전문 이력
  => 통계/모델링
• 변화관리 인력 (겸직가능)
  => 경영층 대상 분석문화 확산
• 교육담당 인력 (겸직가능)

분석과제 관리 프로세스 수립

• 과제발굴
  • 분석 아이디어 발굴
  • 분석과제 후보 제안
  • 분석과제 확정
  • 팀구성
• 과제수행
  • 분석과제 실행
  • 분석과제 진행관리
  • 결과 공유/개선

: 지속적/체계적 분석과제 관리 프로세스 수행 필요
=> 조직 내 분석 문화 내재화 & 경쟁력 확보 가능
=> 시사점 & 결과물 축적/관리해 시행착오 최소화 + 효율적 진행 가능

분석교육 & 변화 관리

• 준비기
  • 분석중심 문화 미도입
  • 균형상태
  • 막연한 불안감
• 도입기
  • 기존 행태로 돌아가려는 경향 (포기 잦은 단계)
  • 성공시 강한 탄성으로 변화 가속화
• 안정추진기
  • 분석활용 일상화
  • 균형상태

=> 데이터기반 의사결정 문화 정착 변화관리 지속적 수행 필요

분석 교육

• 창의적 사고 & 문제해결을 위한 체계적 접근법
• 데이터 분석기회 발굴 & 과제 정의 방법 이해
• 빅데이터 분석기법 활용
• 빅데이터 개념 & 관련 기술 습득

=> 툴 사용법이 아닌 분석역량 확보/강화에 초점 맞춰야
=> 구성원 모두에게 분석기반 업무 정착
=> 분석적 사고/관점/활용 등 기업 문화로 확대